继续请教问题:关于 Pytorch 的 Autograd

雷达

  p" W7 H; B6 d( I3 S8 i
# ~" x8 I9 M) P  w( S为预防老年痴呆，时不时学点新东东玩一玩。
( P2 `, Z3 k8 e( t2 h) CPytorch 下面的代码做最简单的一元线性回归：
5 f! P" |% u9 T4 H6 |3 N+ g! l----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
8 g8 j4 E$ J) [( k( U* v  o
' J$ F7 \( u3 s6 \' Vepochs = 100

" g; @/ N; i: V: z6 h- T8 F) klosses = []
8 U, ~" O$ N( K7 P5 ?( ffor i in range(epochs):
6 q' G$ C, T, }' N, f$ Y( }  R2 b5 `* C  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

7 |9 P6 n& |* U8 A+ r8 |, }  loss = torch.square(y_pred - y).mean()   #计算 loss
! ~& k( y$ h9 T& o  losses.append(loss)
! T; Q) I( q; V% _5 e$ i  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
8 }2 L) P7 p- B  b.grad.zero_()
3 ?7 C" k" l) f& y2 G# Q/ t$ D; c
8 }: y( G* \# {7 h2 N( u8 s- Mprint(w.item(),b.item()) #结果

2 \4 n" T  _2 D  d# w% EOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
高手们帮看看是神马原因？
: P  p# [+ m( `, {1 C

老福

( Q% A3 S( v; N  L& A! Q: E' \" q没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
-------
不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
; d$ Q4 ?+ {  Y0 W-------
: d$ |: \- J5 g0 Y/ f算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
3 J. Z3 e& N$ U-------
不好意思， ...

7 P9 k, T; I: G) @( F& _. j谢谢，算法应该没问题，就是最简单的线性回归。
; G7 c5 ?3 ~- R3 n& x我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

雷达 发表于 2023-2-14 21:52
1 U( v- p8 F6 E: X. b谢谢，算法应该没问题，就是最简单的线性回归。
9 s+ R& C* g$ R9 L( y9 w; |* Q我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

& n5 d8 r1 B5 A
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

或者把b但的起点改为1试试。

雷达

% f; P- v' U, z

老福 发表于 2023-2-14 22:00
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
! @) e' `+ T. T7 p: H7 ~1 |
或者把b但的起点改为1试试。 ...

7 \! H9 E& z; T# p6 a* u  k& q
你是对的。
2 M$ i2 u% E) e* e# q3 ^去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
1 W4 i5 ]) X$ u! C" _1 S, y
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。